#1面向Linux服务器的内核级安全与攻击响应。

用于实现网络入侵检测系统 (NIDS) 的框架,旨在利用联邦学习模型识别网络流量中的异常。


在攻击到达您的 LLM 之前阻止提示注入攻击 — 零 API 成本,完全本地运行,2 分钟集成。提示注入是 LLM 应用的第一大安全风险。aco-prompt-shield 捕获已知的越狱模式,通过 ML 理解语义意图,并检测混淆 — 全部本地化,全部私密。

基于 eBPF 的单主机运行时安全仪表板 — Go 代理 + SvelteKit。实时进程树、网络映射,以及针对普通 Linux 主机的基于规则的告警。

该仓库演示了一个机器学习流水线,用于从日志中检测 MITRE ATT&CK 技术,并使用本地 LLM 增强输出。

基于图的内鬼威胁检测,使用GCN-BiLSTM和注意力模型,在CMU CERT数据集上进行。包含数据预处理、特征提取以及用于异常检测研究的预训练检查点。

BurpSuite 响应概览扩展 - 通过对响应正文进行分组来发现异常响应

生产级工具,用于检测与修复 CVE-2026-0622(5G 核心软件中的 Ghost Admin 权限提升与主密钥泄露)。

基于eBPF的Linux可观测性,具备AI事件检测能力。采用AGPL-3.0许可证。


面向自主代理的模块化安全工具包,提供静态分析、配置审计、运行时监控和供应链验证,以降低LLM驱动的风险。

基于LSTM的分类器,用于检测域名生成算法(DGA)域名,包含使用Keras实现的神经网络和双字母模型,用于DNS威胁情报。

FLNET2023 是一个专为联邦学习场景中的入侵检测而设计的数据集。它基于 CORE 模拟器构建,模拟了包含多样化流量和攻击的真实网络。它可作为基于联邦学习的入侵检测研究的基准。

OpenClaw agents 的安全与合规守护者

Kratos Minifilter 是一个 Windows 内核驱动(FLTMGR.SYS),用于实时勒索软件检测和文件 I/O 缓解。它拦截底层 IRP,以即时阻止未经授权的大规模加密和 canary 触发。